Критерий Колмогорова

[Optimizer of control]

Добрый вечер.
Помогите, пожалуйста, решить несколько странную логическую проблему, возникшую у меня при изучении критерия Колмогорова(о проверки принадлежности выборки некоторому распределению). Для принятия гипотезы необходимо, чтобы выполнялось неравенство:
$\sqrt{n}D_n(X) < \lambda_{\alpha}, $ где $X=(X_1, X_2,...,X_n) - $ выборка, $$D_n(X) = sup_{x\in\matbb R}|F(x)-F_n(x)|,$$ $F(x) - $ функция проверяемого распределения, $F_n(x) - $ эмпирическая функция распределения выборки $X$, $$K(\lambda_{\alpha}) = 1-\alpha = \lim_{n \to \infty} P(\sqrt{n}D_n < \lambda_{\alpha}) ,$$ $K(t) - $ распределение Колмогорова, т.е. $\alpha - $ это ошибка первого рода(ошибка отвергнуть гипотезу, когда она верна). Пока всё логично. Но когда я увидел табличные значения $\alpha = 0.01, \lambda_{\alpha} = 1.628 $ и $\alpha = 0.05, \lambda_{\alpha} = 1.358$, возникли вопросы: почему меньшему значению альфа соответствует большее значение лямбда и что получается, если $\sqrt{n}D_n(X) = 1.4$(гипотеза в этом случае будет принята с ошибкой 0.01 и отвергнута с ошибкой 0.05, что абсурдно).
Пока, что есть два варианта: либо я неправильно понимаю этот метод, либо ошибка в его описании.
Заранее благодарю.

[Хорхе]

Цитата:

Пока, что есть два варианта: либо я неправильно понимаю этот метод, либо ошибка в его описании.

На самом деле третье: Вы неправильно понимаете статистические критерии вообще.

Ваши $\alpha$ --- это ошибки первого рода, то есть вероятности отвергнуть правильную основную гипотезу. Вполне естественно, что для того, чтобы иметь меньшую ошибку первого рода (меньшее "количество ложных тревог"), надо поднимать уровень, выше которого мы эти самые тревоги объявляем.

[Optimizer of control]

Да, действительно логично. Спасибо.